ch6抽样及抽样分布.ppt

构造第一行为 的n阶正交矩阵A,进行正交变换，即 　可知，　　　　　　也是独立标准正态变量。　 根据变换有 与 得① 得② 相互独立, 得③ 〔例6－7〕ｐ.153 从正态总体 中抽n=25的样本　　　　　　　，参数未知 （1） 对于服从N（0,1）的随机变量z，设其分布函数为Φ（z），则标准正态分布在任意区间的概率可以表示为： （2） （3） 　定理6-2 设X1, X2,…Xn是来自正态总体 的随机样本，则 (2) 则 (3) 第三个重要统计量 证明： 【例6-9（p154） 总体 样本 分布？ 标准化 定理6-3 ：设X1，X2，…，Xn来自X~N(μ1，σ12)，Y1，Y2，…，Ym来自Y~N(μ2，σ22)，且两样本独立，则： 第四个重要统计量 第五个重要统计量 (3) 证明（1）和（2）：因为两个总体是相互独立的，可以得到 ： ， 并且两样本是相互独立的。所以 相互独立，所以有： 和 标准化 证明（3） 且相互独立 简化 定理6-4 :若从总体 抽取容量为n1的样本，从 抽取容量为n2的样本： 第六个重要统计量 根据F分布的定义有： 由 且相互独立 两总体方差 多总体均值 回归方程 方差 均值 两总体均值 * t分布又称为“学生分布”或“学生t分布”，它最早由英国的化学家和统计学家歌瑟特于（W.C.Gosset）提出。“学生（Student）”是其文章发表时使用的笔名。 * F分布是统计学家费雪（R.A.Fisher）于1924年发现的，F分布在假设检验等统计领域都有非常重要的应用。 * * ?2分布随着自由度ｎ增加，分布渐近于正态。 图6-1　?2的概率密度曲线 （2） 分布的自由度 自由度可解释为可以自由选择数值的变量个数。 自由度为n 自由度为n-1 （3）分布可加性 且 独立，则： 设 独立，则： 独立，由卡方分布的定义 正态分布的峰度＝3。 【例6-3】设X1， X2，…， X6是简单随机样本，服从分布N(0,2)的随机变量,求a，b和c使 服从?2分布 3.上侧分位数 所谓一个分布的?上侧分位数就是指这样一个数，它使相应分布的随机变量不小于(大于等于）该数的概率为?,比如，若记?2变量的?上侧分位数为 ，则满足 附表3中给出了自由度n≤45的?2分布的上 α 分位数值. 如对于 查附表3得 方便通过EXCEL查分位点，函数为CHIINV。 fx 常用函数　 CHIINV α=0.05 n=55 73.31 α=0.02 n=55 78.62 [例6-4] 设总体X1, X2 ,…, X6服从N(0,1)分布。 试确定常数c , 使cY 服从?2。 故 因此 1. t分布的定义和密度函数 t(n)称为自由度为n的t分布，记为T～t(n)。 §6.3.2　 t 分布 t(n) 分布的概率密度为 定义6-2:若X~N(0, 1), Y~?2(n), X与Y独立，则 　　　t分布和标准正态分布类似，他们都是对称分布。 区别：t分布尾部厚，即服从ｔ分布的随机变量取到尾部值的概率比标准正态分布略大。而对于接近原点的坐标点，t分布的值比标准正态分布的值小。因而t分布曲线尾部厚于标准正态分布，而峰低于标准正态分布。 t 分布的密度函数曲线 (1) f(t)关于t=0(纵轴)对称。 (2) f(t)的极限为N(0，1)的密度函数，即 ， 分子是标准正态随机变量 分母是自由度为n的卡方随机变量 分子分母相互独立，且满足构造公式 新随机变量服从自由度为n的t分布 t分布的三个要点： 分子：标准正态分布变量 分母：卡方变量除以自由度再开方 (1) t分布的数学期望与方差 ， (2) t分布的自由度——分母 2. t分布的性质特征 附表2中给出了自由度n≤45时,当α≤0.5的 t 分布的上 α 分 位数值; 如对于α＝0.05，n＝20 查附表2得 方便通过EXCEL查分位点，函数为TINV。 （注意：α双侧，2×0.05＝0.1） T0.05（20）＝1.7247 〔例6-5〕设X1 , X2…X6~N(0,2) ~t(5) c=? 则由t分布的构造，有 [例6-6] 设X1, X2 ,…, X9 相互独立，服从正态分布N(0,16)， Y1, Y2 ,…, Y16相互独立，服从正态分布N(0,9)， X1,